Communitygithub.com

Biznomad/claude-skills

Asset-Vorverarbeitung für HyperFrames-Kompositionen – Text-to-Speech (Kokoro), Audio/Video-Transkription (Whisper) und Hintergrundentfernung für transparente Overlays (u2net). Nutzen Sie es, um Sprachausgabe aus Text zu generieren, Sprache für Untertitel zu transkribieren, den Hintergrund eines Videos oder Bildes für ein transparentes Overlay zu entfernen, eine TTS-Stimme oder ein Whisper-Modell auszuwählen oder diese Schritte zu verketten (TTS → Transkription → Untertitel). Jeder Befehl lädt sein eigenes Modell beim ersten Start herunter.

Was ist claude-skills?

Dieses Skill-Bündel stellt drei CLI-Befehle für die Medienvorverarbeitung in HyperFrames-Kompositionen bereit: `tts` für lokale Text-to-Speech-Synthese mit Kokoro-82M (ohne API-Key), `transcribe` für Transkription mit Wort-Zeitstempeln via Whisper, und `remove-background` für die Entfernung des Hintergrunds aus Videos oder Bildern mittels u2net_human_seg, um transparente Overlays zu erzeugen. Jeder Befehl lädt beim ersten Aufruf das benötigte Modell automatisch herunter und speichert es im Cache unter `~/.cache/hyperframes/`. Der Skill unterstützt Plattformen wie Claude Code, Cursor und Codex, die die Ausführung von Node.js/npx-Befehlen erlauben. Die Ausgaben sind direkt in den Kompositionen verwendbar: TTS erzeugt WAV-Dateien, Transkription liefert JSON mit Zeitstempeln, und die Hintergrundentfernung erzeugt Videos mit Alpha-Kanal (VP9/WebM oder ProRes 4444). Die Befehle sind so konzipiert, dass sie nahtlos zusammenspielen – z.B. kann man eine Sprachdatei erstellen, transkribieren und die Transkription direkt für Untertitel verwenden. Die SKILL.md-Dokumentation enthält detaillierte Tabellen zur Stimmauswahl, Sprachunterstützung, Modellgrößen für Whisper, Qualitätseinstellungen und komplexe Compositing-Patterns wie das Platzieren von Text zwischen zwei Schichten. Der Fokus liegt auf lokaler, datenschutzfreundlicher Verarbeitung ohne Cloud-Abhängigkeiten.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/Biznomad/claude-skills/tree/HEAD/hyperframes-media

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Vorschau

Aus dem Skill-README

Dokumentation

HyperFrames Medienvorverarbeitung

Drei CLI-Befehle, die Assets für Kompositionen erstellen: tts (Sprache), transcribe (Zeitstempel) und remove-background (transparentes Video). Jeder lädt beim ersten Start ein Modell herunter und speichert es unter ~/.cache/hyperframes/. Das Ergebnis wird in das Projekt eingefügt und in der Kompositions-HTML referenziert – siehe den Skill hyperframes für die Audio-/Video-Element-Konventionen.

Text-to-Speech (tts)

Sprach-Audio lokal mit Kokoro-82M erzeugen. Kein API-Key erforderlich.

npx hyperframes tts "Text hier" --voice af_nova --output narration.wav
npx hyperframes tts script.txt --voice bf_emma --output narration.wav
npx hyperframes tts --list                       # alle 54 Stimmen

Stimmauswahl

Stimme zum Inhalt passend wählen. Standard ist af_heart.

InhaltstypStimmeGrund
Produkt-Demoaf_heart/af_novaWarm, professionell
Tutorial / Anleitungam_adam/bf_emmaNeutral, leicht zu folgen
Marketing / Promotionaf_sky/am_michaelEnergisch oder autoritär
Dokumentationbf_emma/bm_georgeKlares britisches Englisch, förmlich
Lässig / Sozialaf_heart/af_skyZugänglich, natürlich

Mehrsprachig

Die Sprach-IDs kodieren die Sprache im ersten Buchstaben: a=Amerikanisches Englisch, b=Britisches Englisch, e=Spanisch, f=Französisch, h=Hindi, i=Italienisch, j=Japanisch, p=Brasilianisches Portugiesisch, z=Mandarin. Das CLI erkennt das Phonemizer-Gebietsschema automatisch aus dem Präfix – kein --lang nötig, wenn die Stimme zum Text passt.

npx hyperframes tts "La reunión empieza a las nueve" --voice ef_dora --output es.wav
npx hyperframes tts "今日はいい天気ですね" --voice jf_alpha --output ja.wav

Verwenden Sie --lang nur, um die automatische Erkennung zu überschreiben (stilisierte Akzente). Gültige Codes: en-us, en-gb, es, fr-fr, hi, it, pt-br, ja, zh. Nicht-englische Phonemisierung erfordert espeak-ng systemweit (brew install espeak-ng / apt-get install espeak-ng).

Geschwindigkeit

  • 0.7-0.8 – Tutorial, komplexer Inhalt, Barrierefreiheit
  • 1.0 – natürliches Tempo (Standard)
  • 1.1-1.2 – Intros, Übergänge, schwungvoller Inhalt
  • 1.5+ – selten angemessen; sorgfältig testen

Lange Skripte

Bei mehr als ein paar Absätzen in eine .txt-Datei schreiben und den Pfad übergeben. Eingaben über ~5 Minuten Sprachdauer können von einer Aufteilung in Segmente profitieren.

Voraussetzungen

Python 3.8+ mit kokoro-onnx und soundfile (pip install kokoro-onnx soundfile). Modell-Download bei erster Nutzung (~311 MB + ~27 MB Stimmen, zwischengespeichert in ~/.cache/hyperframes/tts/).

Transkription (transcribe)

Ein normalisiertes transcript.json mit Wort-Zeitstempeln erstellen.

npx hyperframes transcribe audio.mp3
npx hyperframes transcribe video.mp4 --model small --language es
npx hyperframes transcribe subtitles.srt          # vorhandene importieren
npx hyperframes transcribe subtitles.vtt
npx hyperframes transcribe openai-response.json

Sprachregel (Nicht verhandelbar)

Verwenden Sie niemals .en-Modelle, es sei denn, der Benutzer gibt ausdrücklich an, dass das Audio auf Englisch ist. .en-Modelle (small.en, medium.en) übersetzen nicht-englisches Audio ins Englische, anstatt es zu transkribieren. Dies zerstört stillschweigend die Originalsprache.

  1. Sprache bekannt und nicht-englisch → --model small --language <code> (kein .en-Suffix)
  2. Sprache bekannt und englisch → --model small.en
  3. Sprache unbekannt → --model small (kein .en, kein --language) – Whisper erkennt automatisch

Standardmodell ist small, nicht small.en.

Modellgrößen

ModellGrößeGeschwindigkeitVerwendung
tiny75 MBAm schnellstenSchnelle Vorschauen, Pipeline-Tests
base142 MBSchnellKurze Clips, klares Audio
small466 MBMittelStandard – die meisten Inhalte
medium1,5 GBLangsamWichtige Inhalte, verrauschtes Audio, Musik
large-v33,1 GBAm langsamstenProduktionsqualität

Musik mit Gesang: mindestens mit medium beginnen; produzierte Tracks erfordern oft manuellen SRT/VTT-Import. Für Caption-Qualitätsprüfung (nach jeder Transkription obligatorisch), das Bereinigungs-JS, Wiederholungsregeln und den OpenAI/Groq API-Importpfad siehe hyperframes/references/transcript-guide.md.

Ausgabeformat

Kompositionen konsumieren ein flaches Array von Wortobjekten. Das Feld id (w0, w1, ...) wird während der Normalisierung hinzugefügt, um stabile Referenzen in Caption-Overrides zu ermöglichen; es ist optional aus Gründen der Abwärtskompatibilität.

[
  { "id": "w0", "text": "Hallo", "start": 0.0, "end": 0.5 },
  { "id": "w1", "text": "Welt.", "start": 0.6, "end": 1.2 }
]

Hintergrundentfernung (remove-background)

Entfernt den Hintergrund aus einem Video oder Bild, sodass das Motiv (typischerweise eine Person – Avatar, Moderator, sprechender Kopf) als transparentes Overlay in einer Komposition sitzt.

npx hyperframes remove-background subject.mp4 -o transparent.webm  # Standard: VP9 Alpha WebM
npx hyperframes remove-background subject.mp4 -o transparent.mov   # ProRes 4444 (Schnitt)

npx hyperframes remove-background portrait.jpg -o cutout.png       # Einzelbild-Ausschnitt
npx hyperframes remove-background subject.mp4 -o subject.webm \
  --background-output plate.webm                                     # beide Ebenen in einem Durchlauf
npx hyperframes remove-background subject.mp4 -o transparent.webm --device cpu
npx hyperframes remove-background --info                             # erkannte Anbieter

Verwendet u2net_human_seg (MIT). Erster Start lädt ~168 MB Gewichte nach ~/.cache/hyperframes/background-removal/models/.

Ebenentrennung (--background-output)

--background-output (oder -b) übergeben, um ein zweites transparentes Video neben dem Ausschnitt auszugeben: gleiches RGB der Quelle, Alpha ist 255 − Maske anstelle von Maske. Der Ausschnitt ist das Motiv mit transparentem Hintergrund; die Platte ist die ursprüngliche Umgebung mit einem transparenten Loch, wo das Motiv war.

DateiAlpha ist…Verwendung
-o subject.webmDie Maske – Motiv deckend, Hintergrund transparentVordergrundebene, oben platzieren
--background-output plate.webmInvers – Umgebung deckend, Motivbereich transparentUntere Ebene; Text oder Grafiken zwischen diese und das Motiv setzen

Beide Ausgaben teilen dieselbe --quality-Voreinstellung und werden in einem einzigen Inferenzdurchlauf berechnet – die Codierungskosten verdoppeln sich in etwa, die Segmentierungskosten bleiben gleich. Nur gültig für Videoeingaben und .webm/.mov-Ausgaben.

Loch-Platte, keine nachbearbeitete saubere Platte. Der Motivbereich in plate.webm ist vollständig transparent – komponieren Sie etwas Deckendes darunter, um das Loch zu füllen. Der einzelne Test, ob --background-output das richtige Werkzeug ist: Wird jemals etwas durch die Silhouette des Motivs sichtbar sein, wo das Motiv zuvor war?

AnwendungsfallRichtiges Werkzeug
Text/Grafiken zwischen Ausschnitt und Platte (Daseinsberechtigung dieses Befehls)Loch-Platte (--background-output)
Motiv auf eine unzusammenhängende Szene setzenNur subject.webm; Platte ignorieren
Den Raum ohne die Person zeigen, allein über keinem anderen InhaltSaubere Platte – benötigt einen Inpainter (LaMa, ProPainter, E2FGVI). Nicht dieser Befehl.
Das Motiv durch ein anderes Motiv ersetzenSaubere Platte – gleicher Fall wie oben

Wenn ein Benutzer nach „dem Raum ohne die Person“ fragt und beabsichtigt, ihn eigenständig anzuzeigen, verwenden Sie nicht --background-output. Sagen Sie ihm, dass er einen Inpainter benötigt.

Typische geschichtete Komposition (der kanonische Anwendungsfall für die Loch-Platte):

<!-- z=1 die invers-Alpha-Platte füllt alles außer dem Motivbereich -->
<video
  src="plate.webm"
  data-start="0"
  data-duration="6"
  data-track-index="0"
  muted
  playsinline
></video>

<!-- z=2 Grafiken / Text liegen zwischen den beiden Ebenen -->
<h1 id="headline" style="z-index:2; ...">MACHEN SIE ES IN HYPERFRAMES</h1>

<!-- z=3 der Ausschnitt schwebt das Motiv zurück über die Überschrift -->
<div class="cutout-wrap" style="position:absolute;inset:0;z-index:3">
  <video
    src="subject.webm"
    data-start="0"
    data-duration="6"
    data-track-index="1"
    muted
    playsinline
  ></video>
</div>

Dies ist funktional äquivalent zum Text-hinter-Motiv-Muster unten, aber Sie benötigen das Original presenter.mp4 nicht im Projekt – die Platte ersetzt es. Nützlich, wenn Sie nur die beiden transparenten Ebenen ausliefern möchten und dem Benutzer erlauben, beliebigen Inhalt dazwischen zu platzieren.

Ausgabeformat

FormatWann
.webm (VP9 + Alpha)Standard. Kompositionen spielen dies direkt über <video> ab.
.mov (ProRes 4444)Schnitt in DaVinci/Premiere/FCP. Große Dateien.
.pngEinzelbild-Ausschnitt (stehendes Motiv, über einen Hintergrund gelegt).

Chrome dekodiert VP9 Alpha nativ, daher fügt sich das .webm wie jedes andere stummgeschaltete Autoplay-Video in eine Komposition ein – siehe den Skill hyperframes für die <video>-Track-Konventionen.

Qualitätsvoreinstellungen

--quality fast|balanced|best steuert nur den CRF des VP9-Codierers – die Segmentierungsqualität ist fest.

VoreinstellungCRFWann
fast30Iterieren, kleinere Datei, lockerere Farbanpassung
balanced18Standard. Visuell identisch für die meisten Anwendungen
best12Master / finale Auslieferung. Größte Datei, engste Anpassung

Compositing-Muster – das richtige wählen

Der Ausschnitt-WebM ist eine neu codierte Kopie des RGB der Quell-MP4. Diese Wahl hat Konsequenzen, je nachdem, was dahinter platziert wird:

MusterWas hinter dem Ausschnitt istErgebnis
Ausschnitt über einer anderen Szene (am häufigsten)Standbild, Verlauf oder unabhängiges VideoSieht großartig aus. Das RGB des Ausschnitts ist die einzige Quelle des Motivs – keine Verdopplung, kein Randhalo. Dafür ist remove-background gemacht.
Ausschnitt über seiner eigenen Quell-MP4 (Text hinter Motiv)Dieselbe MP4, aus der der Ausschnitt erzeugt wurdeZwei RGB-Quellen für dieselbe Person. Bei --quality balanced (crf 18) ist die Verdopplung kaum sichtbar; bei --quality fast (crf 30) sieht man eine leichte Farbverschiebung / Randhalo. Für Master --quality best (crf 12) verwenden.
Ausschnitt über einer anderen Aufnahme derselben PersonFilmmaterial desselben MotivsSieht aus wie zwei separate Personen, die sich überlappen. Nicht tun.

Text hinter Motiv (Überschrift hinter einem Moderator):

<video
  src="presenter.mp4"
  id="bg"
  data-start="0"
  data-duration="6"
  data-track-index="0"
  muted
  playsinline
></video>
<h1 id="headline" style="z-index:2; ...">MACHEN SIE ES IN HYPERFRAMES</h1>
<div class="cutout-wrap" style="position:absolute;inset:0;z-index:3;opacity:0">
  <video
    src="presenter.webm"
    data-start="0"
    data-duration="6"
    data-track-index="1"
    muted
    playsinline
  ></video>
</div>

Zwei Schlüsselregeln:

  1. Den Ausschnitt in ein nicht getaktetes <div> einwickeln und die Deckkraft des Wrappers animieren, nicht die des Video-Elements. Das Framework erzwingt Deckkraft:1 für aktive Clips (jedes Element mit data-start/data-duration), sodass das direkte Animieren der Video-Deckkraft stillschweigend überschrieben wird. Der Wrapper hat keine data-*-Attribute, daher gehört er Ihrem CSS/GSAP.
  2. Beide Videos verwenden data-start="0" und data-media-start="0", sodass das Framework sie synchron ab t=0 dekodiert. Ein spätes Einblenden des Ausschnitts (data-start=3.3) führt zu einem Seek + Aufwärmen, das einen Frame von der Basis-MP4 entfernt landet – sichtbar als ein Frame Fehlausrichtung am Schnitt.

Dann GSAP die Deckkraft des Wrappers am Schnitt umschalten: tl.set(cutoutWrap, { opacity: 1 }, 3.3).

TTS → Transkribieren → Untertitel

Wenn es keine vorab aufgenommene Sprachausgabe gibt, eine erzeugen und zurück transkribieren, um Wort-Zeitstempel für Untertitel zu erhalten:

npx hyperframes tts script.txt --voice af_heart --output narration.wav
npx hyperframes transcribe narration.wav   # → transcript.json

Individual skills in this repo

This repo contains 17 individual skills — each has its own dedicated page.

Biznomad/claude-skills

TikTok Ads deep analysis covering creative quality, tracking, bidding, campaign structure, and TikTok Shop. Evaluates 25 checks with emphasis on creative-first strategy, safe zone compliance, and Smart+ campaigns. Use when user says "TikTok Ads", "TikTok marketing", "TikTok Shop", "Spark Ads", "Smart+", or "TikTok campaign".

Biznomad/claude-skills

YouTube Ads specific analysis covering campaign types, creative quality, audience targeting, and measurement. Evaluates video ad performance across skippable, non-skippable, bumper, Shorts, and Demand Gen formats. Use when user says "YouTube Ads", "video ads", "pre-roll", "bumper ads", "YouTube campaign", or "Shorts ads".

Biznomad/claude-skills

Help users get promoted at work. Use when someone is preparing for a promotion conversation, building their case for advancement, trying to understand what's blocking their promotion, or figuring out how to get to the next level in their career.

Biznomad/claude-skills

CSS animation adapter patterns for HyperFrames. Use when authoring CSS keyframes, animation-delay based timing, animation-fill-mode, animation-play-state, or CSS-only motion that HyperFrames must seek deterministically during preview and rendering.

Biznomad/claude-skills

HyperFrames CLI dev loop — `npx hyperframes` for scaffolding (init), validation (lint, inspect), preview, render, and environment troubleshooting (doctor, browser, info, upgrade). Use when running any of these commands or troubleshooting the HyperFrames build/render environment. For asset preprocessing commands (`tts`, `transcribe`, `remove-background`), invoke the `hyperframes-media` skill instead.

Biznomad/claude-skills

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, and registry discovery.

Biznomad/claude-skills

Create video compositions, animations, title cards, overlays, captions, voiceovers, audio-reactive visuals, and scene transitions in HyperFrames HTML. Use when asked to build any HTML-based video content, add captions or subtitles synced to audio, generate text-to-speech narration, create audio-reactive animation (beat sync, glow, pulse driven by music), add animated text highlighting (marker sweeps, hand-drawn circles, burst lines, scribble, sketchout), or add transitions between scenes (crossfades, wipes, reveals, shader transitions). Covers composition authoring, timing, media, and the full video production workflow. For dev-loop CLI commands (init, lint, inspect, preview, render) see the hyperframes-cli skill; for asset preprocessing commands (tts, transcribe, remove-background) see the hyperframes-media skill.

Biznomad/claude-skills

Optimize landing pages for higher conversion rates using proven frameworks and design patterns. Use when designing, reviewing, or improving landing pages, hero sections, pricing pages, CTAs, or when the user asks about conversion optimization.

Biznomad/claude-skills

Building promotion cases, brag documents, tracking wins, and self-advocacy for career advancement. Use when preparing for promotions, documenting accomplishments, or building your case for advancement.

Biznomad/claude-skills

Translate an existing Remotion (React-based) video composition into a HyperFrames HTML composition. Use ONLY when the user explicitly asks to port, convert, migrate, translate, or rewrite a Remotion composition as HyperFrames (e.g. "port my Remotion project to HyperFrames"). Do NOT use when (a) authoring a NEW HyperFrames composition (even if A/B-testing a Remotion video); (b) Remotion is mentioned in passing; (c) Remotion code is shared as reference, not for translation; (d) the user wants "the same video as my Remotion one" without explicitly asking to migrate the source — treat as a fresh HyperFrames build. When in doubt, default to the `hyperframes` skill. Detects unsupported patterns (useState, useEffect side effects, async calculateMetadata, third-party React component libraries, `@remotion/lambda`) and recommends the runtime interop escape hatch instead of a lossy translation.

Biznomad/claude-skills

Produce programmable videos with Remotion using scene planning, asset orchestration, and validation gates for automated, brand-consistent video content.

Biznomad/claude-skills

Generate cinematic film-style video prompts for Seedance 2.0 on Higgsfield. Use whenever the user wants cinematic, film-like, movie-quality, Hollywood-style, dramatic, or professional film-quality AI video. Triggers on: cinematic, film look, movie scene, dramatic lighting, depth of field, lens flare, anamorphic, letterbox, noir, epic, Steadicam, dolly, crane shot, or any cinematic video generation request. Always use this skill even if the user doesn't explicitly say "cinematic" but describes a film-like aesthetic.

Biznomad/claude-skills

为 Seedance 2.0(Higgsfield)生成电影级胶片风格视频提示词。在用户想要电影级、胶片感、电影质量、好莱坞风格、戏剧性或专业胶片质量的AI视频时使用。触发词:电影级、胶片感、电影场景、戏剧性打光、景深、镜头光晕、变形、信箱式、黑色电影、史诗、稳定摄像机、推车镜头、吊臂镜头或任何电影级视频生成请求。即使用户没有明确说"电影级"但描述了胶片美学,也要使用此技能。

Biznomad/claude-skills

Convert comic book panels, manga pages, webtoons, and illustrated storyboards into animated video using Seedance 2.0 on Higgsfield. Use whenever the user wants to animate comics, bring illustrations to life, convert manga to video, animate storyboards, or create motion from static sequential art. Triggers on: comic to video, manga animation, panel animation, storyboard to video, webtoon animation, comic book motion, sequential art, graphic novel animation, or any illustrate-to-animate request. Use even when user says "make this drawing move" or "animate this page.

Biznomad/claude-skills

Generate music video and beat-synced visual content prompts for Seedance 2.0 on Higgsfield. Use whenever the user wants to create a music video, lyric video, beat-synced visuals, performance video, concert visual, album art animation, or music-driven visual content. Triggers on: music video, lyric video, beat sync, music visualization, performance video, concert visual, album visual, song video, music clip, beat drop visual, rhythm sync, or any music-driven video request. Use even for "make visuals for my song" or "video for this track.

Biznomad/claude-skills

Build, redesign, and deploy websites across any stack — static HTML, Next.js, Astro, or Shopify Liquid themes. Handles design systems, brand-aware layouts, component architecture, and deployment pipelines (Netlify, Vercel, Shopify API). Use when asked to build a website, redesign a site, create a landing page, build a web app, create Shopify sections/templates, or deploy web projects. Triggers on requests like "build me a website", "redesign this page", "create a landing page", "build a Shopify theme", "deploy to Netlify".

Biznomad/claude-skills

Capture a website and create a HyperFrames video from it. Use when: (1) a user provides a URL and wants a video, (2) someone says "capture this site", "turn this into a video", "make a promo from my site", (3) the user wants a social ad, product tour, or any video based on an existing website, (4) the user shares a link and asks for any kind of video content. Even if the user just pastes a URL — this is the skill to use.

Verwandte Skills